Youtu-Parsing — 高并行解码文档解析（腾讯优图，2026）
📄 原文：arXiv:2601.20430 · PDF
⭐⭐ 这篇对AR OCR 后端 最关键：token 并行 + query 并行，5–11× 加速，直击自回归解码慢的死穴。而且是”ViT + LLM + 区域提示解码”的解耦架构，和此类 OCR 架构高度同构。
一句话
Native ViT 编码器 + prompt-guided Youtu-LLM-2B，解耦 + 特征复用框架下引入 高并行解码：① token parallelism（每步并发生成最多 64 个候选 token） ② query parallelism（多个 bbox 内容同时预测）→ 比传统自回归快 5–11×， 尤其适合表格这种高度结构化场景。
核心机制（两种并行）
- Token parallelism：单次推理并发出 up-to-64 个 token（类似多 token 预测 / 推测解码）， 不再一个一个吐 → 结构化内容（表格单元格）狂加速。
- Query parallelism：多个检测框(region)的内容同时解码——每个 region 一个 query， 互不依赖，一起跑。这正是”检测框→并行识别”。
- Region-prompted decoding：用检测出的区域当 prompt 引导后端只解码该区域。
对检测—识别组合系统的启示
- query parallelism = 两段式设计的天然红利：前端 DETR 出 N 个 query/框，后端并行对 N 个 region 解码（而非整页顺序 AR）→ 吞吐直接上一个量级。采用两段式设计的最大效率优势就在这。
- token parallelism 治 AR 慢：后端解码结构化内容（表格/公式）时，多 token 并发生成， 参考 glm-ocr 的 Multi-Token Prediction，二者可结合。
- feature reuse：ViT 特征在检测和识别间复用，省算力——检测与识别模块共享编码器时照做。
- 区域提示：检测框直接当 prompt 约束后端解码范围，减少长序列和跑偏。
关联
- 并行/加速解码同题：glm-ocr（MTP）、dolphin（元素并行）
- 两段解耦：mineru2.5、paddleocr-vl
- 前端：dino-detr；基准：omnidocbench